MétaCan
Menu
Retour à la cohorte
Enregistrement W2770887012 · doi:10.3899/jrheum.170440

High Baseline Serum Clara Cell 16 kDa Predicts Subsequent Lung Disease Worsening in Systemic Sclerosis

2017· article· en· W2770887012 sur OpenAlexvenueno aff
Sébastien Rivière, T. Hua-Huy, K.P. Tiev, J. Cabané, Anh Tuan Dinh‐Xuan

Notice bibliographique

RevueThe Journal of Rheumatology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal Respiratory Health Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineReceiver operating characteristicGastroenterologyBiomarkerArea under the curveLungSurvival analysisVital capacityRespiratory diseaseDiffusing capacityLung functionBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Clara cell secretory protein (CC16) is a sensitive marker of bronchial epithelial cell damage. The CC16 serum level is elevated in patients with pulmonary fibrosis, but its predictive value on lung disease progression has not yet been studied. We aimed to assess the value of serum CC16 concentration in predicting lung disease deterioration in patients with systemic sclerosis (SSc). METHODS: We prospectively analyzed and followed 106 patients with SSc during a 4-year period for the risk of developing combined deleterious event, defined as a 10% decrease in total lung capacity or forced vital capacity from baseline, or death, according to serum CC16 at inclusion. Receiver-operating characteristic (ROC) curve analysis was performed for prediction of events during the first 2 years after inclusion. Cumulative risks of combined events were computed by Kaplan-Meier analysis. RESULTS: The best cutoff level of serum CC16 for prediction of a combined event was 33 ng/ml, with 76% sensitivity and 65% specificity (area under the ROC curve: 0.71, 95% CI 0.61-0.81, p < 0.0001). Progression of lung disease evaluated by a mean time-to-event differed between patients with high baseline serum CC16 (42.8 mos, 36.3-49.3) and those with low serum CC16 (56.3 mos, 50.9-61.7; log-rank test, p < 0.001). After adjustment for age, duration of disease, clinical and lung function measures, the risk of combined event occurrence in patients with high serum CC16 was significantly higher than in those with low CC16 (HR 2.9, 1.2-6.75, p < 0.05). CONCLUSION: High baseline serum CC16 predicts lung disease worsening in patients with SSc.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,046
Tête enseignante GPT0,329
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetNeonatal Respiratory Health ResearchTravaux en français237 207